Usando redes neurais no comércio - página 25
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Eu posso fazer uma observação realmente louca.
Acho que você não vai argumentar que as redes neurais são muito, muito mais "burras" do que o cérebro humano.
Bem, usá-los no comércio apenas simplifica muito o quadro inteiro.
IMHO...
Eu tenho uma idéia maluca.
Acho que você não vai argumentar que as redes neurais são muito, muito mais "burras" do que o cérebro humano.
Bem, usá-los no comércio apenas simplifica muito o quadro inteiro.
IMHO...
Por que você está tão obcecado com essas redes neurais? O que você quer, forex ou neuro? :)
O que você quer dizer com "simplifica o quadro como um todo"?
Quando o cérebro analisa, muito mais neurônios estão envolvidos. Asociação, memória, motivação, percepção visual, tudo muito mais complexo que uma rede neural. É o que eu coloco no conceito do quadro geral.
Se uma parte dessas ações puder ser feita por uma rede neural, o sistema como um todo se tornará mais simples e, portanto, em sua opinião, melhor.
Um tópico do fórum sobre redes neurais.
Não estou pendurado neles, mas acho que há uma perspectiva de usá-los.
Não vejo a utilidade de derramar a massa, puramente na base de "eu acho". Quero encontrar apoio em análise e matemática. Em resumo, para "fazer uma palhinha".
Veja a guia 24 neste tópico 3o. post...
Quando o cérebro analisa, muito mais neurônios estão envolvidos. Asociação, memória, motivação, percepção visual, tudo muito mais complexo que uma rede neural. É o que eu coloco no conceito do quadro geral.
Se uma rede neural puder fazer algumas dessas coisas, o sistema como um todo será mais simples e, portanto, na sua opinião, melhor.
Não está claro como uma rede neural artificial com menos neurônios do que o cérebro pode se tornar mais simples ou melhor quando se usa uma rede neural artificial? Como as ações serão compartilhadas entre o cérebro e a rede neural?
Para resumir todas as minhas declarações sobre redes neurais, posso dizer a todos os amantes de neurofintifluentes:
Há algoritmos que são mais simples e não menos eficazes do que estas redes proverbiais.
Não está claro como uma rede neural artificial com menos neurônios do que um cérebro pode simplificar ou melhorar com um forex artificial ou algum tipo de série temporal?
Uma analogia pede para ser feita: o esperto, aguçado, multineuralista olhou para o "objeto" e viu muitos, muitos pontos coloridos. E os burros e deficientes visuais se aproximaram. Ele não conseguia ver os pontos, eles estavam além dele. Mas ele viu a perspectiva "em geral" na forma de "retrato de um jovem", por exemplo... Ao estudar o material tive a impressão de que quanto mais simples, melhor. Essa "falta" é melhor do que "excesso". Com mais freqüência acontece que a escassez (dentro de limites razoáveis, é claro) faz com que a grade aprenda, enquanto o excesso é memorizado. Minhas experiências pessoais (puramente de pesquisa, leitura, trabalho de laboratório) mostraram que se há um padrão nos dados alimentados pela rede, então um simples perceptron de camada única aprende em apenas algumas épocas. Mas se os dados forem apertados, podemos colocar pelo menos dez camadas e um par de camadas de Elman (Jordaan) e um gradiente de Levenberg. E ainda nada sairá. Eu deveria corrigir o Debugger - os dados de entrada são importantes. Mas eles são importantes não por si mesmos, mas necessariamente "em relação" ou "relativamente". Mas como um caso especial descrito pelo Debugger, ele também tem o direito de existir. E os preços "brutos" podem muito bem ser empurrados para a grade. Por exemplo, os aproximadores e regressores trabalham com eles.
2 TimeMaster. Eu concordo com você. Quando eu mesmo comecei a cavar o assunto neurológico, como me lembro agora, não tive nenhum problema com a questão do que ensinar. A principal questão era como ensinar. Como resultado do domínio do assunto, a questão principal se dissolveu, a primeira se dissolveu. No momento eu sei como ensinar, mas não tenho idéia do que ensinar (não tenho idéia).
Aqui está um exemplo... Embora, eu tenha algumas dúvidas, demonstrando este exemplo. Tenho vergonha de ser tão condenado... Ah, vamos lá. Este é um "laboratório". É um perceptron padrão (não mais padrão) de camada única.
O ponto aqui é simples - é uma tabela de multiplicação )). Fiz à mão esta tabela onde multipliquei todos os dígitos de 1 a 9 (de 1x9 a 9x1), ou seja, obtive 81 exemplos. Eu movi 16 exemplos para um arquivo separado. O primeiro arquivo é alimentado na grade como entrada (65 exemplos), o segundo como validação cruzada (16 exemplos). O que é a validação cruzada? É um teste de treinabilidade da grade sobre dados desconhecidos imediatamente durante o treinamento. O gráfico da esquerda é o treinamento. O gráfico correto é a validação cruzada, ou seja, a execução da grade em dados que a grade nunca viu. E o que vemos? A crossvalidação é perfeita. Ou seja, a grade encontrou respostas perfeitamente corretas para trabalhos desconhecidos. Em outras palavras, a grade HAS aprendeu. Assim, a primeira conclusão é que a grade aprende. A segunda conclusão é que a "rede aprende", portanto, se a "rede NÃO aprende", o problema não está de forma alguma na "rede". Ai de mim...